【技术实现步骤摘要】
本专利技术涉及污水处理，具体涉及一种基于高斯过程回归的污水处理出水水质预测方法。
技术介绍
1、城市污水处理是保护生态环境和保障生活用水品质的重要措施，污水处理厂出水水质指标不但与污水处理过程中药物投加量有关，而且受进水总量和进水水质影响，并且污水处理工艺过程极其繁复，包含诸多处理环节，导致污水处理过程具有明显的非线性和强滞后性，为出水水质实时监测和药物投加量合理调节带来了挑战。
2、传统污水处理过程的出水水质判断主要依靠相关仪器检测和人工分析，检测频次较低，且精度较差，难以满足污水处理过程管理的需求。近年来，随着数据挖掘和机器学习技术的发展，众多基于机器学习的方法和系统被相继设计用于污水处理过程的出水水质预测。
3、例如，专利公开号cn115470702a提出了一种基于机器学习的污水处理水质预测方法及系统，涉及了水质数据库的构建、划分和使用，但是并没有给出实际可靠的算法模型。专利公开号cn112735541a提出了一种基于简单循环单元神经网络的污水处理水质预测方法，可提高计算的并行性和序列的建模能力，但是其中并未充分考虑污水处理过程的强滞后性。专利公开号cn117493803a提出一种基于递归rbf神经网络的污水处理过程出水水质预测方法，专利公开号cn116934167a提出一种基于深度神经网络的污水处理出水预测方法及其系统，专利公开号cn115965149a提出一种基于lstm算法模型的水质指标预测方法，这些专利申请在模型构建过程中虽均考虑了污水处理过程的强滞后性，但并未给出合理的确定滞后相关参数的方
4、此外，上述现有的方法只能针对出水水质指标给出预测结果，无法给出预测结果的置信区间，难以判断预测结果的可靠性。水质指标测量仪器在长时间工作后会出现测量偏差，因此污水处理水质预测系统需具备在线学习和模型更新的功能，而这一功能也是现有方案模型所不具备的。
技术实现思路
1、1.专利技术要解决的技术问题
2、本专利技术的目的在于克服现有技术中的缺陷，提供了一种基于高斯过程回归的污水处理出水水质预测方法，以解决污水处理过程的非线性和强滞后性导致的出水水质预测精度差的问题。
3、2.技术方案
4、为达到上述目的，本专利技术提供的技术方案为：
5、本专利技术提供一种基于高斯过程回归的污水处理出水水质预测方法，包括以下步骤：
6、步骤1、采集污水处理过程中的历史数据，对数据进行预处理以剔除异常数据并降噪，划分训练集和测试集；
7、步骤2、确定出水水质预测模型输入和输出，并利用训练集的数据训练基于高斯过程回归的出水水质预测模型；
8、步骤3、初始化出水水质预测模型的参数，并采用粒子群优化算法对出水水质预测模型进行参数优化；
9、步骤4、利用测试集对优化得到的出水水质预测模型进行预测精度评判，直至预测精度满足预定要求为止；
10、步骤5、将上述满足精度要求的出水水质预测模型嵌入到现场系统中，实时接收现场采集的输入数据，输出出水水质指标预测值，以指导现场药物投加量调整。
11、3.有益效果
12、采用本专利技术提供的技术方案，与已有的公知技术相比，具有如下显著效果：
13、(1)本专利技术提供的一种基于高斯过程回归的污水处理出水水质预测方法，充分考虑污水处理过程的强滞后性，并给出合理的确定滞后相关参数的方法，能够有效解决模型训练过程中的输入和输出匹配问题，极大地提升模型预测结果的准确性。
14、(2)本专利技术提供的一种基于高斯过程回归的污水处理出水水质预测方法，在预测出水水质指标的同时给出预测结果的置信区间，可用以判断预测结果的可靠性，能够反映输入变量传感器异常等问题。
15、(3)本专利技术提供的一种基于高斯过程回归的污水处理出水水质预测方法，计算方法简单，仅需利用在线采集的最新数据重新计算协方差矩阵即可完成模型更新，便于改进实现在线学习，有助于解决水质指标测量仪器在长时间工作后出现测量偏差的问题。
本文档来自技高网...【技术保护点】
1.一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤1中，污水处理现场传感器采集污水进水流量、进水溶解氧、进水氨氮、进水总氮、进水总磷和药物投加量作为输入参数，采集出水溶解氧、出水氨氮、出水总氮和出水总磷作为输出参数。
3.根据权利要求2所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤1中，数据预处理的具体过程如下：
4.根据权利要求1-3任一项所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤2中，出水水质预测模型输入为传感器采样得到的输入参数向量，该向量由传感器采样的进水流量、进水溶解氧、进水氨氮、进水总氮、进水总磷和药物投加量参数构成；出水水质预测模型输出为出水溶解氧、出水氨氮、出水总氮和出水总磷中任一需要预测的参数。
5.根据权利要求4所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤2中，出水水质预测模型的构建和训练过程如下：>
6.根据权利要求5所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：步骤2-1所述药物开始投加至影响出水水质的滞后时间间隔数T通过相关性分析获得，分别计算输入参数向量与输出参数对(at,bt+τ)之间的Pearson相关系数，其中t＝1,2,...,N1，τ为正整数，选取其中对应Pearson相关系数绝对值最大的τ值作为滞后时间间隔数。
7.根据权利要求6所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤3中，采用粒子群算法优化的出水水质预测模型参数包括输入影响采样数k、高斯白噪声方差信号方差和长度尺度参数l。
8.根据权利要求7所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：确定出水水质预测模型的待优化参数后，对该待优化参数进行优化的具体过程如下：
9.根据权利要求8所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：步骤3-2构建的适应度函数为：
10.根据权利要求9所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤4中，采用出水水质指标的实际值与其预测值的平均绝对误差、均方根误差和平均绝对百分比误差，对优化得到的出水水质预测模型进行预测精度评判，若精度未达到预定要求，则重复模型优化过程。
...【技术特征摘要】
1.一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤1中，污水处理现场传感器采集污水进水流量、进水溶解氧、进水氨氮、进水总氮、进水总磷和药物投加量作为输入参数，采集出水溶解氧、出水氨氮、出水总氮和出水总磷作为输出参数。
3.根据权利要求2所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤1中，数据预处理的具体过程如下：
4.根据权利要求1-3任一项所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤2中，出水水质预测模型输入为传感器采样得到的输入参数向量，该向量由传感器采样的进水流量、进水溶解氧、进水氨氮、进水总氮、进水总磷和药物投加量参数构成；出水水质预测模型输出为出水溶解氧、出水氨氮、出水总氮和出水总磷中任一需要预测的参数。
5.根据权利要求4所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特征在于：所述步骤2中，出水水质预测模型的构建和训练过程如下：
6.根据权利要求5所述的一种基于高斯过程回归的污水处理出水水质预测方法，其特...
【专利技术属性】
技术研发人员：郑俊，王正兵，程晓玲，沈宇逸，刘冬琴，
申请(专利权)人：安徽华骐环保科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。